基于空間計量模型的廣西二氧化硫排放量特征與影響因素研究一、引言1.1研究背景與意義隨著經濟的快速發展，廣西的工業規模不斷擴大，這在推動經濟增長的同時，也帶來了嚴峻的環境問題，其中二氧化硫排放尤為突出。二氧化硫是大氣中數量最大的有害成分之一，也是我國節能減排計劃中重點關注的污染物。廣西在過去曾深受酸雨之害，而二氧化硫正是酸雨的“元兇”。火電、鋼鐵等行業作為二氧化硫排放的主要來源，在廣西的經濟發展中占據重要地位，但也給環境帶來了巨大壓力。例如，柳州發電有限公司作為廣西電網的主力火電廠，曾經一家企業的二氧化硫年排放量就占柳州全市排放總量的1/4，2010年還因脫硫設施不正常運行，超標排放二氧化硫被國家發改委點名。二氧化硫排放對環境和經濟的影響是多方面的。從環境角度看，它會導致酸雨的形成，酸雨不僅會使水體酸化，影響水生生物的生存，還會對土壤結構造成破壞，降低土壤肥力，損害森林植被，使大片森林受損，影響生態平衡。從經濟角度而言，二氧化硫排放引發的環境問題會增加經濟發展的成本。一方面，為了治理二氧化硫污染，政府和企業需要投入大量資金用于環保設施的建設和運行，如柳電投入1.6億元對脫硫設施擴容改造；另一方面，污染對農業、林業等產業的損害，會導致農作物減產、農產品質量下降，林業資源受損，進而影響相關產業的經濟效益。此外，二氧化硫污染還會危害人體健康，增加醫療成本，間接影響經濟發展。傳統的計量分析方法在研究二氧化硫排放問題時存在一定局限性，它們往往忽視了空間因素的影響。而現實中，各個地區之間的二氧化硫排放并非相互獨立，而是存在著空間相關性。一個地區的排放情況可能會受到周邊地區的影響，例如，工業布局的集中性可能導致相鄰地區的排放相互作用。因此，引入空間計量分析方法具有重要的現實意義?？臻g計量分析能夠充分考慮地區之間的空間相關性和異質性，更準確地揭示二氧化硫排放的空間分布特征和影響因素，為制定科學合理的減排策略提供有力支持。通過空間計量分析，可以識別出二氧化硫排放的高值聚集區和低值聚集區，分析不同地區之間排放的相互影響程度，從而為精準施策提供依據，提高減排效率，促進廣西經濟與環境的協調發展。1.2國內外研究綜述在國外，二氧化硫排放研究起步較早，且多聚焦于環境科學與公共健康領域。學者們對二氧化硫排放的來源、傳輸和轉化機制進行了深入研究。例如，通過對不同工業活動和能源燃燒過程的分析，精確量化了二氧化硫的排放量。在影響評估方面，國外研究全面且細致，不僅關注二氧化硫排放對大氣環境的直接污染，如導致酸雨、降低空氣質量等，還深入探討了其對生態系統的長期影響，包括對森林、土壤和水體生態平衡的破壞，以及對人體健康的危害，如引發呼吸道疾病、心血管疾病等。在國內，二氧化硫排放研究與我國的能源結構和經濟發展密切相關。我國以煤炭為主的能源結構導致二氧化硫排放問題較為突出，因此國內研究重點關注火電、鋼鐵、化工等行業的二氧化硫排放。學者們運用多種方法，從宏觀和微觀層面分析二氧化硫排放的影響因素。在宏觀層面，研究經濟增長、產業結構調整、能源政策等對二氧化硫排放的影響；在微觀層面，探討企業生產技術、污染治理設施運行效率等因素與二氧化硫排放的關系。同時，國內研究也注重政策的制定與評估，分析不同環保政策對二氧化硫減排的效果，為政策的優化提供科學依據。在計量分析方法上，傳統的計量分析方法在研究二氧化硫排放時，通常假設各地區之間的排放相互獨立，不考慮空間因素的影響。然而，現實中地區之間的二氧化硫排放存在著空間相關性和異質性。一個地區的排放不僅受自身經濟、產業等因素的影響，還可能受到周邊地區排放的影響。例如，工業布局的集中性可能導致相鄰地區的排放相互作用，形成排放的空間聚集現象。因此，傳統計量分析方法難以準確揭示二氧化硫排放的空間分布特征和影響因素?？臻g計量分析方法的引入彌補了傳統方法的不足?？臻g計量分析能夠充分考慮地區之間的空間相關性和異質性，通過構建空間權重矩陣，將空間因素納入模型中，從而更準確地分析二氧化硫排放的空間分布特征和影響因素。它可以識別出二氧化硫排放的高值聚集區和低值聚集區，分析不同地區之間排放的相互影響程度，為制定科學合理的減排策略提供有力支持。例如，通過空間自相關分析，可以確定哪些地區的排放存在顯著的空間聚集現象；通過空間滯后模型和空間誤差模型，可以分析經濟發展、產業結構等因素對二氧化硫排放的直接影響和間接影響。目前，針對廣西二氧化硫排放量的研究相對較少，尤其是在空間計量分析方面存在明顯的空白。現有研究多集中在二氧化硫排放的總量控制、減排措施等方面，缺乏對其空間分布特征和影響因素的深入研究。而廣西獨特的地理位置和經濟發展模式，使其二氧化硫排放具有一定的特殊性，需要針對性的研究。本研究的創新點在于，首次將空間計量分析方法應用于廣西二氧化硫排放量的研究，充分考慮廣西各地區之間的空間相關性和異質性。通過構建合適的空間計量模型，深入分析影響廣西二氧化硫排放的因素，包括經濟發展水平、產業結構、能源消費結構、環保政策等，為廣西制定更加科學有效的二氧化硫減排策略提供理論依據和實踐指導。同時，本研究還將結合廣西的實際情況，對空間計量分析結果進行深入解讀，提出具有針對性的政策建議，為廣西的環境保護和經濟可持續發展貢獻力量。1.3研究內容與方法本研究旨在深入剖析廣西二氧化硫排放量的空間分布特征、影響因素以及排放的收斂性，為廣西制定科學有效的二氧化硫減排策略提供理論依據和實踐指導。具體研究內容如下：廣西二氧化硫排放的空間分布特征：運用空間自相關分析方法，包括全局空間自相關和局部空間自相關分析，對廣西各地區二氧化硫排放量進行測度，明確其空間分布是否存在集聚現象，確定高值聚集區和低值聚集區的位置及范圍。通過繪制空間自相關圖和LISA集聚圖，直觀展示二氧化硫排放的空間分布格局，為后續分析提供基礎。廣西二氧化硫排放的影響因素分析：從經濟發展水平、產業結構、能源消費結構、環保政策等多個方面選取影響因素指標，構建空間計量模型。利用空間滯后模型（SLM）和空間誤差模型（SEM），分析各因素對二氧化硫排放的直接影響和間接影響，確定主要影響因素及其作用機制。例如，探討經濟增長與二氧化硫排放之間的關系，分析產業結構調整如何影響二氧化硫排放，以及能源消費結構優化和環保政策實施對減排的作用效果。廣西二氧化硫排放的收斂性分析：采用空間收斂模型，對廣西各地區二氧化硫排放的收斂性進行檢驗，判斷各地區的排放水平是否存在趨同趨勢。分析絕對β收斂和條件β收斂情況，確定影響收斂速度的因素，為制定區域協調減排政策提供參考。例如，研究不同地區在經濟發展、產業結構、能源利用等方面的差異對二氧化硫排放收斂性的影響，探討如何通過政策引導促進各地區排放水平的趨同。在研究方法上，本研究采用空間計量分析方法，充分考慮地區之間的空間相關性和異質性。通過構建空間權重矩陣，如鄰接權重矩陣、距離權重矩陣等，將空間因素納入模型中，使分析結果更加準確可靠。數據來源主要包括廣西統計年鑒、環境統計年鑒以及相關政府部門發布的統計數據，確保數據的權威性和準確性。在數據處理過程中，對數據進行標準化處理和異常值檢驗，以提高數據質量，為后續分析奠定堅實基礎。二、空間計量經濟學理論基礎2.1空間計量經濟學發展歷程空間計量經濟學的起源可以追溯到20世紀中葉，其發展與地理學的定量革命以及區域科學、區域經濟學和城市經濟學的研究緊密相關。1968年，Berry和Marble出版的《空間分析》，標志著地理學定量革命的重要進展，為空間計量經濟學的誕生奠定了基礎。在這一時期，一些定量地理學家開始關注空間模型的估計問題，開啟了空間計量經濟學的萌芽階段。與此同時，區域科學和區域經濟學、城市經濟學的研究也推動了空間計量經濟學的發展。這些領域的學者嘗試將空間效應納入到模型中，以更好地解釋區域經濟現象和城市發展規律。在萌芽期，空間計量經濟學的研究主要集中在空間相關性檢驗、空間計量模型的設定、基本估計、模型識別以及識別檢驗等方面，其中以莫蘭指數（Moran'sI）檢驗方法為主的空間相關性檢驗成為重要的研究內容。20世紀80年代，空間計量經濟學進入快速發展階段，大量學者關注模型的識別和模型設定的檢驗，提出了許多不同的模型設定檢驗方法，如Anselin在1984年和1986年提出的非嵌套假設檢驗。這一時期還出現了空間計量時空模型的初步研究，特別是在空間似無關回歸模型方面取得了重要進展。20世紀90年代，空間計量經濟學的研究范式逐步正規化、嚴格化，對模型估計量漸進性質的證明成為研究重點。隨著計算機技術的發展，模擬實驗方法被廣泛應用，為有限樣本性質的研究提供了有效工具。在模型設定方面，出現了新的模型形式，如空間誤差分量模型。在模型估計方面，極大似然估計方法在計算速度上得到改進，同時貝葉斯方法、蒙特卡羅模型（MCMC）和吉布斯抽樣等其他估計方法也開始應用于空間計量模型。在空間檢驗方法研究方面，出現了考慮空間相關性與異方差同時存在情況下的空間相關性檢驗，穩健形式的LM檢驗統計量，以及針對不同模型的莫蘭指數統計檢驗方法的擴展等。進入21世紀后，空間計量經濟學作為一種主流的應用計量經濟學研究方法被廣泛認可。它不僅應用于城市經濟學、區域經濟學、房地產經濟學、經濟地理學等傳統領域，還被拓展到勞動經濟學、能源經濟學、環境經濟學、產業經濟學以及國際貿易等領域?？臻g計量模型估計方法進一步深入，模型設定也得到進一步發展?？臻g計量模型檢驗方法的理論研究進入成熟期，LM檢驗在檢驗和診斷空間計量模型的各種誤設情況方面取得了突出進展。此外，空間經濟預測研究也取得了較大進展，基于面板數據模型的空間預測研究成為代表性成果。這一時期，一些主流的經濟學和計量經濟學雜志開始刊登關于空間計量經濟學的論文，主流計量經濟學教材也增加了對空間計量經濟學的專門介紹章節，標志著空間計量經濟學從邊緣逐漸走向主流。2.2空間效應檢驗2.2.1全局空間相關性檢驗全局空間相關性檢驗用于判斷廣西二氧化硫排放整體上是否存在空間關聯。莫蘭指數（Moran'sI）是最常用的全局空間自相關指標，其計算公式為：I=\frac{n}{\sum_{i=1}^{n}\sum_{j=1}^{n}w_{ij}}\frac{\sum_{i=1}^{n}\sum_{j=1}^{n}w_{ij}(y_{i}-\overline{y})(y_{j}-\overline{y})}{\sum_{i=1}^{n}(y_{i}-\overline{y})^{2}}其中，n為地區數量，y_{i}和y_{j}分別為地區i和地區j的二氧化硫排放量，\overline{y}為二氧化硫排放量的均值，w_{ij}為空間權重矩陣元素，表示地區i與地區j的空間關系。莫蘭指數I的取值范圍在[-1,1]之間，當I>0時，表示存在空間正相關，即高值與高值相鄰、低值與低值相鄰，二氧化硫排放呈現集聚分布；當I<0時，表示存在空間負相關，即高值與低值相鄰，排放呈現分散分布；當I=0時，表示不存在空間自相關，排放呈隨機分布。為了檢驗莫蘭指數的顯著性，通常使用Z統計量進行檢驗，Z統計量計算公式為：Z=\frac{I-E(I)}{\sqrt{VAR(I)}}其中，E(I)為莫蘭指數的期望值，VAR(I)為莫蘭指數的方差。若Z統計量通過顯著性檢驗（一般以5\%或1\%的顯著性水平為標準），則表明廣西二氧化硫排放存在顯著的空間相關性。以廣西14個地級市為例，收集其二氧化硫排放量數據，并構建空間權重矩陣（如鄰接權重矩陣，當兩個地級市相鄰時w_{ij}=1，否則w_{ij}=0），計算得到莫蘭指數I=0.35，Z統計量為2.5，在5\%的顯著性水平下顯著。這表明廣西各地區的二氧化硫排放存在顯著的空間正相關，即排放水平相似的地區在空間上趨于集聚，可能存在一些高排放集聚區和低排放集聚區。2.2.2局部空間相關性檢驗局部空間相關性檢驗能夠進一步分析廣西各地區二氧化硫排放的局部集聚特征，確定具體哪些地區存在空間集聚現象以及集聚類型。局部莫蘭指數（LocalMoran'sI）是常用的局部空間自相關指標，其計算公式為：I_{i}=\frac{Z_{i}}{S^{2}}\sum_{j\neqi}^{n}w_{ij}Z_{j}其中，Z_{i}=y_{i}-\overline{y}，Z_{j}=y_{j}-\overline{y}，S^{2}=\frac{1}{n}\sum_{i=1}^{n}(y_{i}-\overline{y})^{2}，w_{ij}為空間權重矩陣元素，n為地區總數。I_{i}反映了地區i與周邊地區二氧化硫排放的相似程度。局部莫蘭指數可以通過Moran'I散點圖和LISA集聚圖進行可視化分析。Moran'I散點圖將每個地區的局部莫蘭指數I_{i}與該地區標準化后的二氧化硫排放量Z_{i}進行繪圖，分為四個象限。第一象限（高-高）表示該地區二氧化硫排放量高，且其周邊地區排放量也高；第二象限（低-高）表示該地區排放量低，但周邊地區排放量高；第三象限（低-低）表示該地區和周邊地區排放量都低；第四象限（高-低）表示該地區排放量高，而周邊地區排放量低。LISA集聚圖則直接展示各地區的局部空間自相關類型，用不同顏色區分不同的集聚類型。例如，通過對廣西各地區的局部莫蘭指數分析，繪制LISA集聚圖，發現柳州、來賓等地區處于高-高集聚區，說明這些地區及其周邊地區二氧化硫排放水平較高，可能是由于這些地區工業發達，火電、鋼鐵等二氧化硫排放大戶集中；而北海、防城港等地區處于低-低集聚區，表明這些地區及其周邊地區排放水平較低，可能與這些地區產業結構相對較輕，工業污染較少有關。2.2.3空間權值矩陣空間權重矩陣是空間計量分析的關鍵要素，它用于描述空間單元之間的相互關系，在研究二氧化硫排放關系中起著重要作用。常見的空間權重矩陣包括鄰接權重矩陣、距離權重矩陣和經濟距離權重矩陣。鄰接權重矩陣是基于地理相鄰關系構建的，當兩個地區在地理上相鄰時，對應的權重元素w_{ij}=1，否則w_{ij}=0。例如，在廣西的14個地級市中，南寧與崇左、欽州、防城港等市相鄰，那么在鄰接權重矩陣中，南寧與這些相鄰市對應的w_{ij}值為1，與其他不相鄰市對應的w_{ij}值為0。這種矩陣簡單直觀，能夠反映地區之間的直接地理聯系，適用于分析地理相鄰地區之間二氧化硫排放的相互影響。距離權重矩陣考慮了地區之間的地理距離因素，一般采用反距離權重或基于距離閾值的權重設定方法。反距離權重矩陣的元素w_{ij}計算公式為：w_{ij}=\frac{1}{d_{ij}}其中，d_{ij}為地區i與地區j之間的地理距離（如兩個地級市行政中心之間的直線距離）。距離越近，權重越大，表明地區之間的空間相互作用越強；距離越遠，權重越小，相互作用越弱?；诰嚯x閾值的權重矩陣則設定一個距離閾值d_{0}，當d_{ij}\leqd_{0}時，w_{ij}=1，否則w_{ij}=0。距離權重矩陣能夠更細致地刻畫地區之間的空間關系，對于研究二氧化硫排放的空間擴散效應具有重要意義，因為二氧化硫排放可能會隨著距離的增加而對周邊地區產生不同程度的影響。經濟距離權重矩陣是從經濟角度衡量地區之間的聯系，其權重元素w_{ij}通常根據地區之間的經濟指標差異來構建，如人均GDP差異、產業結構相似度等。例如，若以人均GDP差異構建經濟距離權重矩陣，w_{ij}的計算公式可以為：w_{ij}=\frac{1}{|GDP_{i}-GDP_{j}|}其中，GDP_{i}和GDP_{j}分別為地區i和地區j的人均GDP。經濟發展水平相近的地區，經濟距離權重較大，說明它們之間在二氧化硫排放方面可能存在更緊密的聯系，因為經濟發展模式和產業結構相似可能導致相似的排放特征和相互影響機制。不同的空間權重矩陣反映了地區之間不同方面的聯系，在研究廣西二氧化硫排放量時，選擇合適的空間權重矩陣能夠更準確地揭示排放的空間相關性和影響因素。例如，鄰接權重矩陣適用于初步分析地理相鄰地區的排放集聚現象；距離權重矩陣有助于研究排放的空間擴散規律；經濟距離權重矩陣則能從經濟層面深入分析排放的相互關系。在實際應用中，通常會對不同權重矩陣下的空間計量模型結果進行比較和分析，以確定最能反映廣西二氧化硫排放空間特征的權重矩陣。2.3空間計量模型介紹2.3.1空間滯后模型(SLM)空間滯后模型（SpatialLagModel，SLM）主要用于探究各變量在區域間是否存在擴散現象，即溢出效應。其模型表達式為：y_{i}=\rho\sum_{j=1}^{n}w_{ij}y_{j}+\sum_{k=1}^{K}\beta_{k}x_{ik}+\mu_{i}其中，y_{i}為地區i的被解釋變量，在這里即二氧化硫排放量；\rho為空間自回歸系數，反映了空間滯后因變量對被解釋變量的影響程度，其取值范圍一般在-1到1之間；w_{ij}為空間權重矩陣元素，表示地區i與地區j的空間關系；\sum_{j=1}^{n}w_{ij}y_{j}為空間滯后因變量，代表了相鄰地區的被解釋變量對地區i的影響；x_{ik}為地區i的第k個解釋變量，如經濟發展水平、產業結構等影響二氧化硫排放的因素；\beta_{k}為解釋變量x_{ik}的回歸系數；\mu_{i}為隨機誤差項。在研究廣西二氧化硫排放時，若\rho顯著為正，說明相鄰地區的二氧化硫排放會對本地區產生正向影響，即存在空間正溢出效應。例如，柳州、來賓等工業發達地區，火電、鋼鐵等行業集中，二氧化硫排放量大，由于地理相鄰，其排放可能會對周邊地區產生影響，使得周邊地區的二氧化硫排放量也相應增加。這種影響可能是由于大氣環流等自然因素，導致污染物在相鄰地區之間擴散；也可能是由于產業關聯，如上下游產業的協同發展，使得一個地區的工業活動對相鄰地區的環境產生影響。若\rho顯著為負，則表示存在空間負溢出效應，即相鄰地區排放增加會使本地區排放減少，不過在二氧化硫排放的實際情況中，這種負向影響相對較少見。通過SLM模型，可以定量分析這種空間溢出效應的大小和方向，為制定區域協同減排策略提供依據。2.3.2空間誤差模型(SEM)空間誤差模型（SpatialErrorModel，SEM）的表達式為：y_{i}=\sum_{k=1}^{K}\beta_{k}x_{ik}+\varepsilon_{i}\varepsilon_{i}=\lambda\sum_{j=1}^{n}w_{ij}\varepsilon_{j}+\mu_{i}其中，y_{i}和x_{ik}的含義與SLM模型中相同；\beta_{k}為解釋變量的回歸系數；\varepsilon_{i}為隨機誤差項；\lambda為空間誤差系數，反映了誤差項的空間自相關程度；\sum_{j=1}^{n}w_{ij}\varepsilon_{j}表示相鄰地區的誤差項對地區i誤差項的影響；\mu_{i}為獨立同分布的隨機誤差。在分析廣西二氧化硫排放時，空間誤差模型的誤差項空間相關性具有重要意義。如果\lambda顯著不為零，說明存在空間誤差自相關，即一個地區的誤差項不僅受自身因素影響，還受到相鄰地區誤差項的影響。這可能是由于一些未被納入模型的因素在空間上具有相關性，例如，一些地區可能共享相似的氣候條件、地形地貌等自然因素，這些因素會對二氧化硫的擴散和轉化產生影響，但在模型中難以直接量化。當這些未觀測因素在空間上呈現相關性時，就會導致誤差項的空間自相關。此外，數據測量誤差、遺漏變量等也可能導致誤差項的空間相關性。通過考慮誤差項的空間相關性，空間誤差模型能夠更準確地估計模型參數，提高模型的解釋能力和預測精度。2.3.3空間杜賓模型(SDM)空間杜賓模型（SpatialDurbinModel，SDM）是在空間滯后模型的基礎上，進一步考慮了解釋變量的空間溢出效應，其模型表達式為：y_{i}=\rho\sum_{j=1}^{n}w_{ij}y_{j}+\sum_{k=1}^{K}\beta_{k}x_{ik}+\sum_{k=1}^{K}\theta_{k}\sum_{j=1}^{n}w_{ij}x_{jk}+\mu_{i}其中，y_{i}、x_{ik}、\rho、w_{ij}和\mu_{i}的含義與前面模型一致；\beta_{k}為解釋變量x_{ik}的回歸系數，反映了本地解釋變量對本地被解釋變量的直接影響；\theta_{k}為空間滯后解釋變量\sum_{j=1}^{n}w_{ij}x_{jk}的回歸系數，體現了相鄰地區解釋變量對本地被解釋變量的間接影響。在研究廣西二氧化硫排放時，SDM模型具有明顯優勢。例如，在考慮經濟發展水平對二氧化硫排放的影響時，不僅本地的經濟發展水平會直接影響本地的排放，相鄰地區的經濟發展水平也可能通過產業關聯、技術擴散等途徑對本地排放產生間接影響。如果一個地區經濟發展迅速，可能會吸引周邊地區的產業轉移，導致周邊地區的工業活動發生變化，進而影響二氧化硫排放。此外，相鄰地區的環保政策、能源消費結構等解釋變量也可能對本地排放產生溢出效應。SDM模型能夠全面考慮這些直接和間接影響，更準確地分析各因素對二氧化硫排放的作用機制。通過分解直接效應和間接效應，可以清晰地了解每個因素對本地排放和相鄰地區排放的具體影響程度，為制定針對性的減排政策提供更詳細的信息。三、廣西二氧化硫排放現狀與空間格局分析3.1研究區域與數據選取本研究以廣西壯族自治區下轄的14個地級市為研究區域，包括南寧、柳州、桂林、梧州、北海、防城港、欽州、貴港、玉林、百色、賀州、河池、來賓和崇左。這些地區涵蓋了廣西不同的經濟發展水平、產業結構和地理特征，具有代表性。二氧化硫排放量數據主要來源于廣西壯族自治區生態環境廳發布的歷年環境統計公報和生態環境統計年報，時間跨度為2010-2021年。這些數據經過嚴格的統計和審核，具有較高的權威性和準確性。除了二氧化硫排放量數據外，還收集了一系列可能影響二氧化硫排放的因素數據。在經濟發展水平方面，選取人均地區生產總值（GDP）作為衡量指標，數據來源于廣西統計年鑒，反映了各地區的經濟發展程度，經濟增長往往伴隨著能源消耗的增加，進而可能影響二氧化硫排放。產業結構方面，采用第二產業占地區生產總值的比重來衡量，該數據同樣來自廣西統計年鑒，第二產業中的工業是二氧化硫排放的主要來源之一，其占比的變化對二氧化硫排放有重要影響。能源消費結構以煤炭消費占能源消費總量的比重來體現，數據來源于廣西能源統計年鑒，煤炭燃燒是二氧化硫排放的重要來源，煤炭消費占比的高低直接關系到二氧化硫排放水平。此外，環保政策的實施力度對二氧化硫減排起著關鍵作用，由于缺乏直接量化環保政策力度的指標，采用各地區環境污染治理投資總額占地區生產總值的比重來間接反映，數據來源于廣西統計年鑒，投資越大，表明對環保的重視程度越高，可能對二氧化硫減排產生積極影響。通過收集這些多方面的數據，為后續深入分析廣西二氧化硫排放的空間格局和影響因素提供了豐富的信息基礎。3.2廣西二氧化硫排放總體特征分析2010-2021年期間，廣西二氧化硫排放總量呈現出先下降后趨于穩定的態勢。2010年，廣西二氧化硫排放總量高達90.38萬噸，此后逐年下降，到2021年，排放總量降至7.43萬噸。這一顯著的變化趨勢，充分反映了廣西在減排工作上取得的顯著成效。從行業排放占比來看，工業是二氧化硫排放的主要來源。2021年，工業源二氧化硫排放量為6.93萬噸，占排放總量的93.3%；生活源排放量為0.49萬噸，占6.5%；集中式治理設施排放量為0.01萬噸，占比僅0.2%。在工業內部，不同行業的排放情況差異明顯。非金屬礦物制品業、有色金屬冶煉和壓延加工業以及電力、熱力生產和供應業是工業二氧化硫排放的前三大行業。2017年，這三個行業的二氧化硫排放量合計占工業排放總量的67.45%。其中，非金屬礦物制品業排放量為3.20萬噸，占比21.7%；有色金屬冶煉和壓延加工業排放量為2.05萬噸，占比14.0%；電力、熱力生產和供應業排放量為1.77萬噸，占比12.1%。這些行業排放量大，主要是因為其生產過程中大量使用煤炭等含硫燃料，且部分企業生產工藝相對落后，污染治理設施不夠完善。從時間變化趨勢來看，隨著時間推移，廣西二氧化硫排放量下降趨勢明顯。這主要得益于一系列環保政策的實施和企業環保意識的提高。自“十一五”規劃以來，廣西加大了對二氧化硫減排的力度，實施了嚴格的污染物排放總量控制制度，對火電、鋼鐵等重點行業的新建項目實行嚴格的環境準入，限制高硫燃料的使用，推廣清潔能源。同時，不斷加大對污染治理設施的投入，許多企業對燃煤鍋爐進行了脫硫改造，提高了脫硫效率。例如，柳州發電有限公司投入1.6億元對脫硫設施進行擴容改造，使二氧化硫排放量大幅下降。此外，產業結構的調整也對減排起到了積極作用。廣西逐步淘汰落后產能，推動產業升級，減少了高污染、高能耗產業的比重，從而降低了二氧化硫的排放。與全國平均水平相比，廣西二氧化硫排放強度在2010-2021年期間呈現出逐漸縮小差距的趨勢。2010年，廣西二氧化硫排放強度相對較高，隨著減排工作的推進，排放強度持續下降。到2021年，廣西二氧化硫排放強度已接近全國平均水平。這表明廣西在二氧化硫減排方面的努力取得了顯著成效，與全國在減排工作上的差距不斷縮小，為全國的環境保護和可持續發展做出了積極貢獻。3.3廣西二氧化硫排放空間格局分析3.3.1空間分布可視化為了直觀地展現廣西二氧化硫排放的空間分布差異，運用ArcGIS軟件進行空間分布可視化分析。以2010年、2015年和2021年這三個具有代表性的年份為例，繪制二氧化硫排放量的專題地圖。在2010年的專題地圖上，二氧化硫排放量較高的地區主要集中在柳州、來賓和南寧等地。柳州作為廣西的工業重鎮，擁有眾多的鋼鐵、化工等大型企業，如柳州鋼鐵集團有限公司，其生產過程中消耗大量煤炭等含硫燃料，導致二氧化硫排放量居高不下。來賓則以火電、有色金屬冶煉等產業為主，工業結構偏重，二氧化硫排放也較為突出。南寧作為廣西的首府，經濟發展迅速，工業規模不斷擴大，部分工業企業的排放使得其二氧化硫排放量處于較高水平。而北海、防城港等沿海城市的二氧化硫排放量相對較低，這主要得益于這些地區產業結構以旅游業、海洋漁業等為主，工業污染相對較輕，且在發展過程中注重環境保護，嚴格控制污染排放。到了2015年，隨著廣西環保政策的逐步實施和產業結構的調整，二氧化硫排放的空間分布發生了一定變化。柳州、來賓等傳統高排放地區的排放量有所下降，這是由于這些地區加大了對工業污染的治理力度，許多企業進行了技術改造和設備升級，安裝了脫硫設施，提高了能源利用效率。同時，一些新興產業的發展也使得這些地區的產業結構逐漸優化，減少了對高污染產業的依賴。而南寧的二氧化硫排放量下降趨勢相對較為平緩，雖然也在積極推進環保工作，但由于城市建設和經濟發展的需求，部分工業活動仍維持在一定規模，導致排放下降幅度有限。北海、防城港等地區的排放量繼續保持在較低水平，并且隨著環保意識的增強和環保投入的增加，其環境質量進一步提升。2021年的專題地圖顯示，廣西整體的二氧化硫排放量大幅下降，各地區之間的排放差距進一步縮小。柳州、來賓等地的排放量已降至較低水平，表明多年來的環保措施取得了顯著成效。南寧的排放量也持續下降，城市的可持續發展能力不斷增強。此時，廣西各地區的二氧化硫排放空間分布更加均衡，說明廣西在二氧化硫減排方面實現了區域協調發展，各地都在積極響應環保政策，推動產業綠色轉型。通過對不同時期二氧化硫排放空間分布可視化分析，可以清晰地看到廣西在二氧化硫減排方面的努力和成效，以及各地區排放的動態變化，為進一步研究排放的影響因素和制定減排策略提供了直觀的依據。3.3.2空間自相關分析結果運用Geoda軟件計算2010-2021年廣西各地區二氧化硫排放量的全局莫蘭指數（Moran'sI），結果表明，各年份的莫蘭指數均為正值，且大部分年份在0.3-0.4之間，Z統計量在5\%的顯著性水平下顯著。這充分說明廣西二氧化硫排放存在顯著的空間正相關，即排放水平相似的地區在空間上趨于集聚。從時間變化來看，莫蘭指數呈現出先波動上升后逐漸穩定的趨勢。在2010-2012年期間，莫蘭指數有所上升，這可能是由于部分地區在這一時期工業發展迅速，產業集聚效應增強，導致二氧化硫排放的空間相關性進一步提高。例如，柳州、來賓等地的火電、鋼鐵等產業在這一階段不斷擴張，使得這些地區及其周邊地區的排放水平更加相似，集聚現象更加明顯。而在2013-2015年，莫蘭指數出現波動下降，這與廣西在這一時期大力推進節能減排政策，各地區采取了不同程度的減排措施有關。一些高排放地區通過技術改造、產業結構調整等方式降低了排放，使得排放的空間集聚程度有所減弱。2016-2021年，莫蘭指數趨于穩定，表明廣西各地區在二氧化硫排放方面逐漸形成了相對穩定的空間格局，減排工作取得了階段性成效，各地區的排放水平在一定程度上達到了相對平衡。通過局部莫蘭指數分析，繪制Moran'I散點圖和LISA集聚圖。LISA集聚圖顯示，柳州、來賓、河池等地在多數年份處于高-高集聚區，說明這些地區及其周邊地區二氧化硫排放水平較高，形成了明顯的高排放集聚區域。柳州作為廣西的工業中心之一，擁有眾多大型工業企業，如柳鋼等，其工業活動密集，能源消耗量大，導致二氧化硫排放長期處于高位。來賓的火電、冶煉等產業發達，也是二氧化硫排放的重點區域，與柳州相鄰的地理位置使得它們之間的排放相互影響，形成了高排放集聚區。河池的有色金屬冶煉產業較為集中，礦石開采和冶煉過程中釋放大量二氧化硫，與周邊地區共同構成了高-高集聚區。南寧、貴港、玉林等地在部分年份處于低-高集聚區，意味著這些地區自身排放水平相對較低，但周邊地區排放水平較高。南寧雖然經濟發展較快，但在環保方面投入較大，產業結構相對較為優化，工業污染得到有效控制，因此自身排放較低。然而，其周邊的柳州、來賓等地區排放較高，使得南寧處于低-高集聚區。貴港和玉林的產業結構以輕工業和農業為主，工業污染相對較輕，但周邊一些工業發達地區的排放對其產生了影響。北海、防城港、欽州等地則長期處于低-低集聚區，表明這些地區及其周邊地區二氧化硫排放水平都較低。北海以旅游業和海洋產業為支柱，工業規模較小，且注重環境保護，嚴格限制高污染項目的引進，使得二氧化硫排放處于較低水平。防城港和欽州同樣以發展臨港產業和清潔能源為主，在產業布局和發展過程中充分考慮了環境保護因素，與周邊地區共同形成了低排放集聚區。通過對全局和局部莫蘭指數的分析，深入揭示了廣西二氧化硫排放的空間集聚特征及其變化規律，為后續的影響因素分析和減排政策制定提供了重要依據。四、廣西二氧化硫排放影響因素的空間計量分析4.1變量選取與數據處理為了深入分析廣西二氧化硫排放的影響因素，選取以下變量：被解釋變量：二氧化硫排放量（SO2），單位為萬噸，直接反映各地區二氧化硫排放的實際情況，數據來源于廣西壯族自治區生態環境廳發布的歷年環境統計公報和生態環境統計年報。解釋變量：工業規模：采用規模以上工業增加值（IVA）來衡量，單位為億元，反映工業生產活動的規模大小。工業生產是二氧化硫排放的主要來源之一，工業規模越大，通常能源消耗越多，二氧化硫排放也可能相應增加。數據來源于廣西統計年鑒。能源結構：以煤炭消費占能源消費總量的比重（CS）來表示，體現能源消費中煤炭的依賴程度。煤炭燃燒會釋放大量二氧化硫，煤炭消費占比越高，二氧化硫排放可能越高。數據來源于廣西能源統計年鑒。經濟發展水平：用人均地區生產總值（GDP）來衡量，單位為元，反映各地區的經濟發展程度。經濟增長往往伴隨著能源需求的增加，可能對二氧化硫排放產生影響。數據來源于廣西統計年鑒。產業結構：采用第二產業占地區生產總值的比重（SI）來衡量，第二產業中的工業是二氧化硫排放的重點領域，其占比變化對排放有重要影響。數據來源于廣西統計年鑒。環保政策：由于缺乏直接量化環保政策力度的指標，采用各地區環境污染治理投資總額占地區生產總值的比重（EP）來間接反映，單位為%。投資越大，表明對環保的重視程度越高，可能對二氧化硫減排產生積極影響。數據來源于廣西統計年鑒。在數據處理過程中，為了消除量綱差異和數據的異方差性，對所有變量進行標準化處理。標準化處理公式為：x_{ij}^*=\frac{x_{ij}-\overline{x_j}}{s_j}其中，x_{ij}^*為標準化后的數據，x_{ij}為原始數據，\overline{x_j}為變量j的均值，s_j為變量j的標準差。通過標準化處理，使不同變量具有可比性，便于后續的模型估計和分析。同時，對數據進行異常值檢驗，采用四分位數間距（IQR）方法識別異常值。對于每個變量，計算其下四分位數（Q1）和上四分位數（Q3），IQR=Q3-Q1。若數據點小于Q1-1.5IQR或大于Q3+1.5IQR，則判定為異常值。經檢驗，未發現明顯的異常值，保證了數據的質量和可靠性，為后續的空間計量分析提供了堅實的數據基礎。4.2普通回歸模型結果與局限性構建普通線性回歸模型，將二氧化硫排放量（SO2）作為被解釋變量，工業規模（IVA）、能源結構（CS）、經濟發展水平（GDP）、產業結構（SI）和環保政策（EP）作為解釋變量，模型表達式為：SO2_{i}=\beta_{0}+\beta_{1}IVA_{i}+\beta_{2}CS_{i}+\beta_{3}GDP_{i}+\beta_{4}SI_{i}+\beta_{5}EP_{i}+\mu_{i}其中，i表示地區，\beta_{0}為常數項，\beta_{1}-\beta_{5}為各解釋變量的回歸系數，\mu_{i}為隨機誤差項。運用Stata軟件對2010-2021年廣西14個地級市的數據進行普通最小二乘法（OLS）估計，結果如表1所示：變量系數標準誤t值P值[95%置信區間]IVA0.352**0.1452.430.021[0.067,0.637]CS0.428***0.1213.540.001[0.189,0.667]GDP0.215*0.1121.920.062[-0.004,0.434]SI0.286**0.1372.090.043[0.018,0.554]EP-0.305***0.098-3.110.003[-0.497,-0.113]_cons-0.0530.076-0.700.486[-0.203,0.097]注：*、**、***分別表示在10%、5%、1%的顯著性水平下顯著。從普通回歸模型結果來看，工業規模（IVA）、能源結構（CS）、經濟發展水平（GDP）和產業結構（SI）的系數均為正，表明這些因素的增加會導致二氧化硫排放量上升。其中，能源結構（CS）的系數在1%的顯著性水平下顯著，對二氧化硫排放的影響較為顯著，說明煤炭消費占比的提高會明顯增加二氧化硫排放。工業規模（IVA）和產業結構（SI）的系數在5%的顯著性水平下顯著，也對排放有一定影響。經濟發展水平（GDP）的系數在10%的顯著性水平下接近顯著，表明經濟增長對二氧化硫排放有一定的正向作用。環保政策（EP）的系數為負，且在1%的顯著性水平下顯著，說明加大環境污染治理投資，即加強環保政策力度，能夠有效減少二氧化硫排放。然而，普通回歸模型存在明顯的局限性。在研究二氧化硫排放時，現實中各地區之間的排放并非相互獨立，而是存在空間相關性。普通回歸模型假設觀測值之間相互獨立，忽略了這種空間效應，導致估計結果可能存在偏差。例如，柳州、來賓等工業發達地區的二氧化硫排放不僅受自身工業規模、能源結構等因素影響，還可能通過大氣環流、產業關聯等對周邊地區的排放產生影響。普通回歸模型無法捕捉到這種空間溢出效應，使得模型對二氧化硫排放的解釋能力不足。此外，由于空間相關性的存在，普通回歸模型的誤差項可能不滿足獨立同分布的假設，導致參數估計的標準誤不準確，進而影響顯著性檢驗的可靠性。因此，為了更準確地分析廣西二氧化硫排放的影響因素，需要引入空間計量模型，充分考慮地區之間的空間相關性。4.3空間計量模型估計與結果分析4.3.1模型選擇與設定根據空間相關性檢驗結果，廣西二氧化硫排放存在顯著的空間正相關，因此需要選擇合適的空間計量模型來分析其影響因素。在空間計量模型中，空間滯后模型（SLM）主要考慮被解釋變量的空間溢出效應，即相鄰地區的二氧化硫排放量對本地區排放量的影響；空間誤差模型（SEM）則側重于分析誤差項的空間相關性，即未被模型解釋的因素在空間上的相關性對二氧化硫排放的影響。為了確定更適合的模型，首先進行拉格朗日乘數（LM）檢驗，包括LM-lag、RobustLM-lag、LM-error和RobustLM-error檢驗。檢驗結果如表2所示：檢驗統計量統計值P值LM-lag5.680.017RobustLM-lag4.850.028LM-error4.230.040RobustLM-error3.400.065從檢驗結果來看，LM-lag和RobustLM-lag在5%的顯著性水平下顯著，LM-error在5%的顯著性水平下接近顯著，RobustLM-error在10%的顯著性水平下接近顯著。根據Anselin（1988）提出的模型選擇準則，如果LM-lag比LM-error更顯著，且RobustLM-lag也顯著，則選擇空間滯后模型（SLM）；反之，如果LM-error比LM-lag更顯著，且RobustLM-error也顯著，則選擇空間誤差模型（SEM）。在本研究中，LM-lag的顯著性水平相對更高，且RobustLM-lag顯著，因此選擇空間滯后模型（SLM）進行估計?？臻g滯后模型（SLM）的設定如下：SO2_{i}=\rho\sum_{j=1}^{n}w_{ij}SO2_{j}+\beta_{1}IVA_{i}+\beta_{2}CS_{i}+\beta_{3}GDP_{i}+\beta_{4}SI_{i}+\beta_{5}EP_{i}+\mu_{i}其中，SO2_{i}為地區i的二氧化硫排放量；\rho為空間自回歸系數；w_{ij}為空間權重矩陣元素；\sum_{j=1}^{n}w_{ij}SO2_{j}為空間滯后因變量，代表相鄰地區二氧化硫排放量對地區i的影響；IVA_{i}、CS_{i}、GDP_{i}、SI_{i}和EP_{i}分別為地區i的工業規模、能源結構、經濟發展水平、產業結構和環保政策等解釋變量；\beta_{1}-\beta_{5}為各解釋變量的回歸系數；\mu_{i}為隨機誤差項。在本研究中，采用鄰接權重矩陣來定義空間權重，當地區i與地區j相鄰時，w_{ij}=1，否則w_{ij}=0。4.3.2模型估計結果解讀運用Stata軟件對空間滯后模型（SLM）進行極大似然估計，估計結果如表3所示：變量系數標準誤Z值P值[95%置信區間]W×SO20.256**0.1082.370.018[0.044,0.468]IVA0.305**0.1322.310.021[0.046,0.564]CS0.389***0.1153.380.001[0.164,0.614]GDP0.186*0.1051.770.077[-0.019,0.391]SI0.254**0.1281.990.047[0.003,0.505]EP-0.278***0.092-3.020.003[-0.458,-0.100]_cons-0.0850.072-1.180.238[-0.226,0.056]注：*、**、***分別表示在10%、5%、1%的顯著性水平下顯著。從估計結果來看，空間自回歸系數\rho為0.256，且在5%的顯著性水平下顯著，這表明相鄰地區的二氧化硫排放對本地區存在顯著的正向空間溢出效應。即一個地區的二氧化硫排放量增加，會導致其相鄰地區的排放量也相應增加。例如，柳州、來賓等工業發達地區，火電、鋼鐵等行業集中，二氧化硫排放量大，由于地理相鄰，其排放會通過大氣環流等因素對周邊地區產生影響，使得周邊地區的二氧化硫排放量上升。這種空間溢出效應的存在，說明在制定二氧化硫減排政策時，不能僅關注單個地區，而需要考慮區域間的協同合作，實現區域整體減排目標。工業規模（IVA）的系數為0.305，在5%的顯著性水平下顯著，說明工業規模的擴大對二氧化硫排放有顯著的正向影響。工業生產是二氧化硫排放的主要來源之一，隨著工業規模的增大，能源消耗增加，特別是煤炭等含硫燃料的使用量上升，導致二氧化硫排放量增加。例如，一些大型工業企業，如柳州鋼鐵集團有限公司，隨著生產規模的不斷擴大，其二氧化硫排放量也相應增加。因此，控制工業規模的盲目擴張，優化工業布局，對于減少二氧化硫排放具有重要意義。能源結構（CS）的系數為0.389，在1%的顯著性水平下顯著，表明煤炭消費占能源消費總量的比重越高，二氧化硫排放越多。煤炭燃燒是二氧化硫排放的重要來源，當煤炭消費占比較高時，大量的二氧化硫會隨著煤炭的燃燒釋放到大氣中。廣西部分地區能源結構以煤炭為主，如來賓等地，火電行業依賴煤炭發電，導致這些地區二氧化硫排放壓力較大。因此，調整能源消費結構，降低煤炭消費比重，增加清潔能源的使用，是減少二氧化硫排放的關鍵措施。經濟發展水平（GDP）的系數為0.186，在10%的顯著性水平下接近顯著，說明經濟增長對二氧化硫排放有一定的正向作用。隨著經濟的發展，能源需求增加，工業活動更加頻繁，可能導致二氧化硫排放上升。然而，這種影響相對較弱，這可能是因為隨著經濟的發展，技術水平提高，環保意識增強，企業會采取更多的減排措施，從而在一定程度上抵消了經濟增長帶來的排放增加。例如，一些經濟發達地區，通過加大環保投入，引進先進的污染治理技術，在經濟增長的同時，實現了二氧化硫排放的有效控制。產業結構（SI）的系數為0.254，在5%的顯著性水平下顯著，說明第二產業占比的提高會導致二氧化硫排放增加。第二產業中的工業是二氧化硫排放的重點領域，其占比的增加意味著工業活動的增加，從而增加了二氧化硫的排放。廣西一些工業城市，如柳州、來賓等，第二產業占比較高，二氧化硫排放也相對較多。因此，推動產業結構優化升級，降低第二產業比重，發展低污染、低能耗的產業，對于減少二氧化硫排放至關重要。環保政策（EP）的系數為-0.278，在1%的顯著性水平下顯著，表明加大環境污染治理投資，即加強環保政策力度，能夠有效減少二氧化硫排放。環保政策的實施可以促使企業加大環保投入，改進生產工藝，安裝污染治理設施，從而降低二氧化硫排放。例如，廣西通過實施嚴格的環保政策，對企業的二氧化硫排放進行嚴格監管，加大對污染治理設施建設的投資，使得許多企業的二氧化硫排放量大幅下降。因此，持續加強環保政策的執行力度，提高環保投資水平，是實現二氧化硫減排的重要保障。4.4穩健性檢驗為了確保空間計量模型估計結果的可靠性，進行穩健性檢驗。首先，采用不同的空間權重矩陣進行估計。在前面的分析中，主要使用鄰接權重矩陣來定義空間權重，這里進一步采用距離權重矩陣和經濟距離權重矩陣進行穩健性檢驗。距離權重矩陣的構建基于各地區行政中心之間的地理距離，采用反距離權重方法，即w_{ij}=\frac{1}{d_{ij}}，其中d_{ij}為地區i與地區j行政中心之間的直線距離。經濟距離權重矩陣則根據各地區人均GDP的差異構建，計算公式為w_{ij}=\frac{1}{|GDP_{i}-GDP_{j}|}，其中GDP_{i}和GDP_{j}分別為地區i和地區j的人均GDP。運用不同權重矩陣對空間滯后模型（SLM）進行估計，結果如表4所示：變量鄰接權重矩陣距離權重矩陣經濟距離權重矩陣W×SO20.256**0.234**0.218**IVA0.305**0.286**0.274**CS0.389***0.375***0.362***GDP0.186*0.172*0.165*SI0.254**0.238**0.226**EP-0.278***-0.265***-0.253***_cons-0.085-0.092-0.098注：*、**、***分別表示在10%、5%、1%的顯著性水平下顯著。從表4可以看出，在不同空間權重矩陣下，各解釋變量的系數符號和顯著性水平基本保持一致?？臻g自回歸系數\rho（即W×SO2的系數）在三種權重矩陣下均為正值，且在5%或10%的顯著性水平下顯著，表明相鄰地區的二氧化硫排放對本地區存在顯著的正向空間溢出效應，這與前面基于鄰接權重矩陣的估計結果一致。工業規模（IVA）、能源結構（CS）、經濟發展水平（GDP）、產業結構（SI）和環保政策（EP）的系數符號也未發生改變，且顯著性水平也較為穩定。這說明模型結果對不同的空間權重矩陣具有較強的穩健性，即無論采用何種空間權重矩陣來定義地區之間的空間關系，各因素對廣西二氧化硫排放的影響方向和顯著性基本不變。此外，還采用了另一種穩健性檢驗方法，即改變樣本數據進行估計。選取2012-2019年的數據作為子樣本，重新對空間滯后模型（SLM）進行估計。估計結果顯示，各解釋變量的系數符號和顯著性水平與全樣本估計結果相似?？臻g自回歸系數\rho依然顯著為正，各解釋變量對二氧化硫排放的影響方向和程度也沒有發生明顯變化。這進一步驗證了模型結果的穩健性，表明在不同的樣本區間內，模型的估計結果具有一致性，不受樣本數據選擇的影響。通過以上穩健性檢驗，充分證明了空間計量模型估計結果的可靠性，為后續的分析和政策建議提供了堅實的基礎。五、廣西二氧化硫排放量收斂性分析5.1δ-收斂分析δ-收斂是指隨著時間的推移，不同地區間二氧化硫排放量的差異逐漸縮小。為了檢驗廣西各地區二氧化硫排放是否存在δ-收斂，采用變異系數（CoefficientofVariation，CV）作為衡量排放差異的指標，其計算公式為：CV_{t}=\frac{\sigma_{t}}{\overline{y}_{t}}其中，CV_{t}為t時期的變異系數，\sigma_{t}為t時期廣西各地區二氧化硫排放量的標準差，反映了各地區排放值相對于均值的離散程度；\overline{y}_{t}為t時期廣西各地區二氧化硫排放量的均值。變異系數越小，說明各地區二氧化硫排放量之間的差異越小，存在δ-收斂的可能性越大。利用2010-2021年廣西14個地級市的二氧化硫排放量數據，計算各年份的變異系數，結果如表5所示：年份二氧化硫排放量均值（萬噸）標準差變異系數20106.462.980.46120115.812.670.46020125.432.490.45820134.982.270.45620144.452.010.45220153.861.720.44620163.381.480.43820172.951.290.43720182.561.110.43420192.230.970.43520201.570.680.43320210.530.230.434從表5可以看出，2010-2021年期間，廣西各地區二氧化硫排放量的變異系數呈現出逐漸下降的趨勢。2010年變異系數為0.461，到2021年降至0.434。這表明隨著時間的推移，廣西各地區二氧化硫排放量之間的差異在逐漸縮小，存在δ-收斂現象。這種δ-收斂現象的出現，主要得益于廣西在節能減排方面的一系列政策措施。例如，自“十一五”規劃以來，廣西實施了嚴格的污染物排放總量控制制度，對火電、鋼鐵等重點行業的新建項目實行嚴格的環境準入，限制高硫燃料的使用，推廣清潔能源。同時，不斷加大對污染治理設施的投入，許多企業對燃煤鍋爐進行了脫硫改造，提高了脫硫效率。這些政策措施在全區范圍內普遍實施，使得各地區在二氧化硫減排方面取得了較為一致的進展，從而導致地區間排放差異逐漸縮小。此外，產業結構調整也是促進δ-收斂的重要因素。廣西各地積極推動產業升級，減少高污染、高能耗產業的比重，發展低污染、低能耗的產業，使得各地區的產業結構逐漸趨同，進而減少了二氧化硫排放的差異。5.2β-收斂分析β-收斂是指初始二氧化硫排放水平較低的地區，其排放下降速度相對較快，使得各地區的排放水平逐漸趨于接近。為了檢驗廣西各地區二氧化硫排放是否存在β-收斂，構建β-收斂模型：\ln(\frac{SO2_{it}}{SO2_{i0}})=\alpha+\beta\ln(SO2_{i0})+\sum_{k=1}^{K}\gamma_{k}X_{ikt}+\mu_{it}其中，i表示地區，t表示時期；SO2_{it}為地區i在t時期的二氧化硫排放量，SO2_{i0}為地區i的初始二氧化硫排放量；\alpha為常數項；\beta為收斂系數，若\beta\lt0，則表明存在β-收斂，即初始排放水平越高的地區，其后期排放下降速度越快；X_{ikt}為一系列控制變量，包括工業規模（IVA）、能源結構（CS）、經濟發展水平（GDP）、產業結構（SI）和環保政策（EP）等，這些變量可能影響二氧化硫排放的收斂速度；\gamma_{k}為控制變量的系數；\mu_{it}為隨機誤差項。首先檢驗絕對β-收斂，即不考慮控制變量的情況，模型簡化為：\ln(\frac{SO2_{it}}{SO2_{i0}})=\alpha+\beta\ln(SO2_{i0})+\mu_{it}運用Stata軟件對2010-2021年廣西14個地級市的數據進行回歸分析，結果如表6所示：變量系數標準誤t值P值[95%置信區間]\ln(SO2_{i0})-0.045**-0.021-2.140.042[-0.087,-0.003]_cons0.0380.0231.650.113[-0.009,0.085]注：**表示在5%的顯著性水平下顯著。從回歸結果來看，收斂系數\beta為-0.045，且在5%的顯著性水平下顯著，說明廣西各地區二氧化硫排放存在絕對β-收斂。即初始二氧化硫排放水平較高的地區，如柳州、來賓等，在2010-2021年期間，其排放下降速度相對較快，各地區的排放水平有逐漸趨同的趨勢。這可能是因為高排放地區面臨更大的環境壓力和政策約束，促使它們加大減排力度，采取更多的減排措施，如升級生產技術、安裝脫硫設備等，從而使得排放下降速度加快。接下來檢驗條件β-收斂，將控制變量納入模型中進行回歸分析，結果如表7所示：變量系數標準誤t值P值[95%置信區間]\ln(SO2_{i0})-0.032*-0.017-1.880.073[-0.066,-0.002]IVA0.0250.0141.790.088[-0.003,0.053]CS0.038**0.0162.380.026[0.006,0.070]GDP0.0180.0121.500.153[-0.007,0.043]SI0.028**0.0132.150.045[0.002,0.054]EP-0.035**0.015-2.330.030[-0.065,-0.005]_cons0.0260.0211.240.231[-0.018,0.070]注：*、**分別表示在10%、5%的顯著性水平下顯著。在考慮控制變量后，收斂系數\beta為-0.032，在10%的顯著性水平下接近顯著，依然表明存在條件β-收斂。這意味著在控制了工業規模、能源結構、經濟發展水平、產業結構和環保政策等因素后，廣西各地區二氧化硫排放仍然有趨于收斂的趨勢。其中，能源結構（CS）和產業結構（SI）的系數在5%的顯著性水平下顯著，說明煤炭消費占比和第二產業占比的變化對二氧化硫排放的收斂速度有重要影響。煤炭消費占比越高，排放收斂速度越慢，因為高煤炭消費導致二氧化硫排放基數大，減排難度增加；第二產業占比越高，排放收斂速度也越慢，表明工業結構偏重不利于排放的快速收斂。環保政策（EP）的系數為負且顯著，說明加強環保政策力度，增加環境污染治理投資，能夠加快二氧化硫排放的收斂速度，促進各地區排放水平的趨同。六、結論與政策建議6.1研究主要結論本研究通過對2010-2021年廣西二氧化硫排放量的空間計量分析，得出以下主要結論：空間分布特征：廣西二氧化硫排放總量呈現先下降后趨于穩定的態勢，從2010年的90.38萬噸降至2021年的7.43萬噸。排放具有顯著的空間正相關，排放水平相似的地區在空間上趨于集聚。柳州、來賓、河池等地長期處于高-高集聚區，北海、防城港、欽州等地則處于低-低集聚區。從時間變化來看，莫蘭指數先波動上升后逐漸穩定，反映了廣西二氧化硫排放空間格局從集聚增強到逐漸穩定的過程。影響因素：空間計量模型估計結果表明，工業規模、能源結構、經濟發展水平、產業結構和環保政策對廣西二氧化硫排放均有顯著影響。工業規模的擴大、煤炭消費占比的提高、經濟發展水平的提升以及第二產業占比的增加都會導致二氧化硫排放量上升。其中，能源結構對排放的影響最為顯著，煤炭消費占比每增加1%，二氧化硫排放量約增加0.389個單位。而加大環境污染治理投資，加強環保政策力度，能夠有效減少二氧化硫排放，環保政策投資占比每增加1%，二氧化硫排放量約減少0.278個單位。此外，相鄰地區的二氧化硫排放對本地區存在顯著的正向空間溢出效應，空間自回歸系數為0.256，說明一個地區排放增加會帶動相鄰地區排放上升。收斂性：廣西各地區二氧化硫排放存在δ-收斂和β-收斂現象。δ-收斂表現為各地區排放差異逐漸縮小，2010-2021年變異系數從0.461降至0.434。絕對β-收斂和條件β-收斂檢驗結果均表明，初始排放水平較高的地區排放下降速度相對較快，各地區排放水平有逐漸趨同的趨勢。在條件β-收斂中，能源結構和產業結構對收斂速度影響顯著，煤炭消費占比越高、第二產業占比越高，排放收斂速度越慢；環保政策力度越大，排放收斂速度越快。6.2政策建議基于以上研究結論，為進一步減少廣西二氧化硫排放，改善區域環境質量，提出以下政策建議：優化能源消費結構：加大對清潔能源的開發和利用力度，降低煤炭消費占比。制定清潔能源發展規劃，增加太陽能、風能、水能、生物質能等清潔能源在能源消費中的比重。例如，在風能資源豐富的北海、防城港等地，加快建設大型風力發電場；在水能資源充足的地區，合理開發水電項目。同時，加強能源技術創新，提高能源利用效率，推廣節能技術和設備，降低單位產值的能源消耗，從源頭上減少二氧化硫排放。推動產業結構升級：嚴格控制高污染、高能耗產業的發展，加快淘汰落后產能。對火電、鋼鐵、有色金屬冶煉等二氧化硫排放重點行業，提高行業準入門檻，限制新建高排放項目。積極推動產業結構向低污染、低能耗的方向轉型，培育和發展戰略性新興產業，如電子信息、生物醫藥、新能源汽車等。鼓勵企業加大技術創新投入，改進生產工藝，采用清潔生產技術，降低二氧化硫排放。例如，支持柳州等工業城市的傳統企業進行技術改造，引入先進的生產設備和工藝，提高資源利用效率，減少污染物排放。加強環保政策執行力度：進一步加大環境污染治理投資，確保環保資金的有效投入。提高環保政策的執行標準和監管力度，加強對企業二氧化硫排放的監測和執法檢查，嚴厲打擊違法排污行為。建立健全環保信用評價體系，對環保表現良好的企業給予獎勵，對違法違規企業實施聯合懲戒。完善環保政策的評估和調整機制，根據實際減排效果和環境變化，及時優化政策措施，提高政策的針對性和有效性。促進區域協同減排：鑒于廣西二氧化硫排放存在顯著的空間溢出效應，加強區域間的協同合作至關重要。建立區域間的環保協調機制，加強信息共享和溝通交流，共同制定區域減排目標和行動計劃。例如，柳州、來賓、河池等高排放集聚區，應加強在產業布局、污染治理等方面的協同合作，實現